导图社区 Python-正则表达式re

Python-正则表达式re

正则表达式是python中用于文本查询的一种高级查询模式，通过特定的模型去匹配文本数据。本篇思维导图先从正则表达式的结构开始，在了解其结构之后，在看看正则表达式的编辑思路。最后将编辑号的正则表达式通过re模块中的函数或者将正则表达式对象的方法来执行，以获得我们想要的结果。希望本篇思维导图，对您能有所帮助!

提示: 本内容由社区用户上传并分享。平台不对内容的真实性、合法性、知识产权归属及是否侵害第三方权利进行事前审核或保证。本内容可能包含受版权保护的图片、字体或其他第三方素材，使用前请自行确认授权范围。

编辑于2024-01-30 16:18:14

正则表达式
元字符
re
regex

咖啡喵

他的近期作品集查看更多>>

Python - 数据类型基础进阶（合集）含6个作品
Python数据类型，从整体来看，以数字、文本为基础，用列表、字典、元组、集合作为容器；以性质划分，又分为可变与不可变数据。本作品集，即是对这六类数据的深入剖析，从数据创建到数据引用再对数据处理，形成一个完整的讲解逻辑。并且针对不同的数据类型，会以不同的侧重点来展开讲解。比如数字，会着重的去讲运算，并延伸到小数、分数的运算；字符串，有很多丰富的方法，并且有很灵活的格式化输出；列表，在函数与方法的应用上都会涉及；字典，侧重方法…… 希望本作品集对您深入Python学习能有所帮助！

他的近期作品查看更多>>

Python-正则表达式re

社区模板帮助中心，点此进入>>

咖啡喵

他的近期作品集查看更多>>

Python - 数据类型基础进阶（合集）含6个作品
Python数据类型，从整体来看，以数字、文本为基础，用列表、字典、元组、集合作为容器；以性质划分，又分为可变与不可变数据。本作品集，即是对这六类数据的深入剖析，从数据创建到数据引用再对数据处理，形成一个完整的讲解逻辑。并且针对不同的数据类型，会以不同的侧重点来展开讲解。比如数字，会着重的去讲运算，并延伸到小数、分数的运算；字符串，有很多丰富的方法，并且有很灵活的格式化输出；列表，在函数与方法的应用上都会涉及；字典，侧重方法…… 希望本作品集对您深入Python学习能有所帮助！

他的近期作品查看更多>>

相似推荐
大纲

python思维导图
- 11.3k
- 560
- 243
- 6
- 0
(*^▽^*)
Java日常技术
- 5.7k
- 1
- 109
- 1
- 0
GOGO-三杯吐然诺
java中io流图解
- 4.4k
- 66
- 97
- 12
- 0
韵呀
Java继承与多态
- 3.6k
- 12
- 41
- 4
- 0
半夏琉璃＆空人心
职场必看！Java编程思想思维导图
- 9.1k
- 5
- 998
- 168
- 0
彭明德
python留言网站
- 4.7k
- 1
- 10
- 1
- 0
幸福的钟声敲响
Python入门
- 5.2k
- 0
- 72
- 5
- 0
Jerry????
python基础知识点简单总结
- 5.0k
- 103
- 66
- 9
- 0
排列&组合
J2EE复习大纲
- 4.0k
- 0
- 16
- 2
- 0
顺便
《C语言程序设计》思维导图
- 7.2k
- 167
- 358
- 45
- 0
liangzhen

正则表达式_regex

结构

编辑

应用

match对象

re.match / re.search / re.finditer，涉及match_obj的处理

属性

match_obj.string

目标字符串

match_obj.re

regex对象

match_obj.pos

开始搜索位置的索引

match_obj.endpos

结束搜索位置的索引

match_obj.lastindex

最后一个分组的索引

match_.obj.lastgroup

最后一个分组的别名

方法

match.

group(n)

str，第n组匹配的字符串

groups()

tuple，全部分组捕获的字符串

groupdict()

dict，{name1(组名): text1(查找值)…}

start(n)

index，第n组字符串起始位置索引

end(n)

index，第n组字符串结束位置索引

span(n)

tuple，第n组开始位置、结束位置

expand(template)

用分组捕获的字符重构字符

template

\g<id>、\g<name>

扫描器

scan方法扫描字符串时，依照程序返回一系列对象

re.Scanner

scanner_name = re.Scanner([ (tok_pattern1, func1), (tok_pattern2, func2), …])

tok_pattern

正则表达式

func

可调用对象

扫描器对象本身

scanner

对模式匹配到的字符串

tok_str

fun_name(scanner, tok_str)

tuple = scanner_name.scan(string)

tuple

(list, str)

(匹配成功存入列表，未匹配成功的str)

The end...

正则表达式_regex

regex应用

制图人：咖啡喵制图时间：2024/1/14 制图软件：mindmaster

regex 执行过程

执行

编译时

正则表达式

分析

编译

状态机

运行时

状态机

遍历

寻找匹配项

regex 应用

regex

直接应用

函数

查找搜索

re.match(regex)

re.search(regex)

re.findall(regex)

re.finditer(regex)

查找替换

re.sub(regex)

re.subn(regex)

分割字符

re.split(regex)

编译为对象

re.compile()

regex_obj

regex_obj.match()

regex_obj.search()

regex_obj.findall()

regex_obj.finditer()

查找搜索

regex_obj.sub()

regex_obj.subn()

查找替换

regex_obj.split()

分割字符

调用方法

函数 / 方法

在string（目标字符串）中，查找与pattern（regex）模式相匹配的子字符串（substr）【返回pattern对象，list，str等多种形式】

主体

pattern

string

regex

目标字符串

查找

substr

子字符串

如果是常用的regex，可以将其编译为一个regex_obj，再调用方法

regex_obj = re.compile(pattern[, flags])

单一查找

返回，pattern对象

re.match

查找1个substr，需匹配string开头

match_obj = re.match(pattern, string, flags=0)

re.search

在整个string中，查找到第1个substr

match_obj = re.search(pattern, string, flags=0)

查找

成功

Match对象

失败

None

全部查找

返回，list

re.findall

查找所有substr，放入list中

list = re.findall(pattern, string, flags=0)

如果regex用了分组，则返回元组列表（元组包含自足中找到的所有文本）

re.finditer

查找所有substr，以迭代器形式存储

match_obj_iterator = re.finditer(pattern,string,flags=0)

查找替换

返回，new_str

re.sub

查找所有的substr，用repl进行替换

str = re.sub(pattern, repl, string, count=0, flags=0)

re.subn

查找所有的substr，用repl进行替换

tuple = re.subn(pattern, repl, string[, count])

tuple

(new_str, count)

(新字符串，替换次数)

分割字符

返回，list

re.split

查找所有substr，将string分割，并存放list

list = re.split(pattern, string, maxsplit=0, flags=0)

flags

re.A

ASCII模式

re.I

字母

忽略大小写

re.L

遵循当前的本地化设置

re.M

匹配行的开头（换行符之后的任何字符）

匹配行尾(换行符或字符末尾的最后一个字符)

re.S

匹配所有字符，包含\n

re.U

\w\d\s

用unicode格式匹配

re.X

VERBOSE

冗长模式，忽略空格

DEBUG

IDLE中执行操作时，将输出调试信息

To be continued！！！

正则表达式_regex

编辑思路

① 确立目标

② 分析结构

③ 开始编辑

制图人：咖啡喵制图时间：2024/1/14 制图软件：mindmaster

电话号码

结构

028-85581234

(028)85581234

前缀

2种形式选择

3个数字，接-

\d{3}-

()中3个数字

$\d{3}$

后缀

8个数字

\d{8}

regex

r'(\d{3}-|$\d{3}$)\d{8}'

美式数字

结构

1,000.001

千位分隔符、小数点

头部

1-3位数字，首位1-9

([1-9]\d{0,2})

中间

,000

千位分隔符，后接3为数字可以重复 0-n次

(,\d{3})*

尾部

.001

小数点，后接数字，0-1次

{\.\d+}?

regex

r'([1-9]\d{0,2})(,\d{3})*(\.\d+)?'

搜索重复

结构

'cat cat'

字符，空格，后又接相同的字符

regex

'(\w+) (\1)'

提取句子

结构

头部

句子以大写字母开头

[A-Z]

中间

中间是任意字符

.*?

. 可以匹配换行符

re.S

尾部

句子以 .!?符号结尾

[.!?]

符号后接一个空格+大写字母

或者符号后，接结尾符号

(?= [A-Z]|$)

$ 包含行尾

re.M

regex

'[A-Z].*?[.!?](?= [A-Z])|$'

re.M | re.S

To be continued！！！

正则表达式_regex

组成结构

制图人：咖啡喵制图时间：2024/1/14 制图软件：mindmaster

字符

文字字符

字母/数字

特殊字符

标点符号

赋予特殊含义

失去特殊含义

正则表达式结构

通过对特殊字符的组合，形成字符(单词、数字等)识别的一种模式。

元字符

字符集

分组

修饰符

贪婪匹配

惰性匹配

正向

负向

断言

先行

后行

元字符

匹配1个

用于指定特殊字符或字符集的工具，一次匹配一个字符

（除\n外）任何一个字符

re.S，将包含\n

匹配字符串开头

匹配字符串结尾

re.M

包含行开头

包含行结尾

匹配字符串开头

匹配词边界

字母数字下画线

匹配数字0-9

匹配空白字符（\t\n\r\f\v）

反义

字符集

匹配1个

[char_set]，直接列出字符或者使用范围指定字符集.

[char_set]

匹配字符集中任意一个字符

[^char_set]

反义

特殊字符

+*等特殊字符在字符集中会失去特殊含义

字符集中两字符之间

表示2个字符间的范围

位于字符集开头

匹配不在字符集中的字符

分组

匹配组合

用()括号将多个表达式组合在一起

标记组

组号\n

分组时，自动分配组号

组号顺序

从左到右，从外到内： \1 \2 \3 …，引用组

取消标记

(?: expr)

命名组

(?p<name>expr)

通过名称标记

(?P = name)

引用命名组

注释

(#text)

内容不用于匹配，仅注释

条件匹配

(?(name)yespat|nopat)

(?(name)yespat)

(?(id)yespat|notpat)

(?(id)yespat)

修饰符

匹配数量

通过修饰符与表达式组合，生成重复数量的新表达式

expr*

对expr，匹配0次或多次

expr+

对expr，匹配1次或多次

expr?

对expr，匹配0次或1次

expr1 | expr2

匹配expr1或expr2

{}

expr{n}

对expr，匹配n次

expr{m,n}

对expr，匹配m~n次

expr{m,}

对expr，匹配m次以上

expr{,n}

对expr，匹配0~n次

注意：{}内不能有空格；m、n两端包含；| 优先级最低

贪婪匹配

存在多种成功匹配方式时，尽可能多的匹配文本

exp*、exp+

修饰符末尾添加 ?

惰性匹配

exp*?、exp+?

断言

正向先行

(?=expr)

当前位置之后的字符与expr相匹配

正向后行

(?!expr)

当前位置之后的字符与expr不匹配

负向先行

(?<=expr)

当前位置之前的字符与expr相匹配

负向后行

(?<!expr)

当前位置之前的字符与expr不匹配

匹配成功

当前位置前后字符

= !

是否匹配

To be continued！！！

正则表达式 re模块

1. 正则表达式

由普通字符和一些元字符组成的逻辑表达式

正则表达式的组成

普通字符

包含数字、大小写字母

元字符

用字符或字符的组合表达特殊的含义

正则表达式的作用

用于精确匹配特定模式的字符串，进而更好的完成字符串操作（查找、替换、分割）

在字符串前加 r ，去转义

当需要匹配真实的某些字符时，需要使用转义字符（加 \ ）

如，匹配真实的_

括号

星号

问号

加号

2. 正则表达式的使用

一、 re模块

查找

re.match()

从给定文本开头的位置，开始匹配

语法格式

res = re.match(pattern,string,flags=0)

尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。匹配成功re.match方法返回一个匹配的对象。

匹配成功

返回一个Match对象

匹配不成功

返回None

参数

pattern

匹配的正则表达式

string

要匹配的字符串

len(string) >= len(pattern)

flags

标记，用于指定正则表达式的匹配方式

如：是否区分大小写，多行匹配等等。

re.I 忽略大小写

re.M 支持多行

re.S 使用点（.）做任意匹配，包括换行符在内的任意字符（. 不包括换行符）

re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境(进行本地化识别匹配)

re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S，根据Unicode 字符集解析字符

re.X 支持更灵活、更详细的模式，比如多行、忽略空白、加入注释等

适用于编写复杂的正则表达式

使用三引号'''，创建一个多行字符串，并用#添加注释

同时设置多个标记

在多个标记之间，用 | 连接，如 re.M|re.I

输入内容是否是指定格式

re.search()

在整个给定的字符串中进行查找

语法格式

res = re.search(pattern,string,flags=0)

匹配成功

返回（查找到的第1个）一个Match对象

匹配不成功

返回None

参数

pattern、string、flags

re.findall()

在给定的字符串中，查找正则表达式所匹配的所有子字符串

语法格式

res = re.findall(pattern,string,flags=0)

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。注意： match 和 search 是匹配一次 findall 匹配所有。

匹配成功

以列表（子字符串的集合）的形式返回

匹配不成功

返回空列表

参数

pattern

匹配的正则表达式

string

要匹配的字符串

len(string) >= len(pattern)

flags

标记，用于指定正则表达式的匹配方式

如：是否区分大小写，多行匹配等等。

re.I 忽略大小写

re.M 支持多行

re.S 使用点（.）做任意匹配，包括换行符在内的任意字符（. 不包括换行符）

re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境(进行本地化识别匹配)

re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S，根据Unicode 字符集解析字符

re.X 支持更灵活、更详细的模式，比如多行、忽略空白、加入注释等

同时设置多个标记

在多个标记之间，用 | 连接，如 re.M|re.I

如果用了分组，则返回的是分组的内容（元组）

re.finditer()

在给定的字符串中，查找正则表达式匹配的所有子字符串

语法格式

re.finditer(pattern,string,flags=0)

和 findall 类似，在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

匹配结果

以迭代器(Match对象的集合)的形式返回

参数

pattern、string、flags

替换

re.sub()

在查找的基础上，用给定的对象替换匹配的对象

语法格式

re.sub(pattern, repl, string, count=0, flags=0)

sub是substitute的所写，表示替换，将匹配到的数据进⾏替换。

返回值，new_string(替换后的字符串)

参数

必选参数

pattern

进行匹配的正则表达式

repl

用作替换的字符串，可以是一个函数

string

给定的原始字符串

可选参数

count

进行替换的最大次数，默认0（表示全部替换）

flag

指定正则表达式匹配方式的标记

re.subn()

在查找的基础上，用给定的对象替换匹配的对象

语法格式

re.subn(pattern, repl, string[, count])

行为与sub()相同，但是返回一个元组 (字符串, 替换次数)。

返回值，元组(sub(repl, string[, count]), 替换次数)

参数

同re.sub()

分割

re.split()

将能匹配到的子字符串作为分隔符分割原始字符串

语法格式

re.split(pattern, string, maxsplit=0, flags=0)

根据匹配进⾏切割字符串，并返回⼀个列表。

返回值

分割后的结果以列表形式返回

参数

pattern、string、flags

maxsplit

最大分割次数，默认0（表示不限次数）

二、 Match对象

Match对象的属性

Match对象的属性提供了很多与匹配有关的信息

string

原始字符串

正则表达式

pos

开始搜索位置的索引

endpos

结束搜索位置的索引

lastindex

最后一个捕获分组的索引

lastgroup

最后一个捕获分组的别名

Match对象的方法

可以获取匹配对象中各分组的详细信息

res.group([group1,group2,…])

用于获取一个或多个分组匹配的字符串

group() 同group（0）就是匹配正则表达式整体结果

group(1) 列出第一个括号匹配部分

group(2) 列出第二个括号匹配部分

group(3) 列出第三个括号匹配部分

res.groups([default])

以元组的形式返回全部分组捕获的字符串

default表示没有捕获到字符串的分组以这个值替代，默认None

res.groupdict([default])

返回一个字典，以有别名的分组的别名为键，以该分组捕获的字符串为值

没有别名的分组不包含在内

default同上

res.start([group])

返回指定的分组捕获的子字符串在string中的起始位置索引号，group默认0

res.end([group])

返回指定的分组捕获的子字符串在string中的中支位置索引号（子串最后一个字符的索引+1），group默认值为0

res.span([group])

返回（start(group),end(group)）

res.expand(template)

将匹配到的分组带入template中，然后返回

template中，可以使用\i或\g<id>、\g<name>引用分组，但不能使用编号0

三、 Pattern对象

编译好的正则表达式对象

Pattern对象的创建

将正则表达式的字符串形式，编译为一个 Pattern 对象

re.compile()

语法格式

re.compile(pattern[,flags])

参数

pattern

正则表达式的字符串形式

flags

指定的正则表达式匹配方式的标记

Pattern对象的属性

pattern属性

正则表达式字符串

flags属性

匹配方式，用数字表示

groups属性

正则表达式中分组的个数

groupindex属性

以正则表达式中有别名的分组的别名为键，以该分组的编号为值的字典，没有别名的分组不包含在内

Pattern对象的方法

res.match(string[,pos[,endpos]])

res.search(string[,pos[,endpos]])

res.findall(string[,pos[,endpos]])

res.finditer(string(,pos[,endpos]))

查找

res.sub(repl,string[,count])

res.subn(repl,string[,count])

替换

res.split(string[,maxsplit])

分割

3. 正则表达式的编写规则

1||| 元字符

正则表达式具有特殊含义的字符

元字符

通配符

匹配任意1个字符（除了\n）

常用字符

匹配字母、数字、下划线或汉字的字符，即 a-z、A-Z、0-9、_

匹配数字，0~9

匹配空白，即空格，tab键

匹配单词的开始或结束位置的字符

匹配一个换行符

匹配一个回车符

匹配一个制表符

匹配位置

插入符号

匹配字符串的开始位置的字符

美元符号

匹配字符串的结束位置的字符

反义元字符

匹配除字母、数字、下划线或汉字的字符，即非 a-z、A-Z、0-9、_

匹配非数字，除0~9以外的任何字符

匹配非空白字符

匹配不是单词开始或结束位置的字符

[^x]

匹配除x以外的任意字符

[^aeiou]

匹配除aeiou这几个字母以外的任意字符

2||| 重复

重复，0次~无限次

重复，1次~无限次

？

重复，0次~1次

{m}

重复，m次

{m,}

重复，m次及m次以上

{m,n}

重复，m次 ~ n次

在进行查找或替换时，需要连续查找或替换多个某种类型的字符

3||| 字符类

匹配字符集中任意一个字符

[...] 字符集的编写规则

逐个列出

[abc]

查找的字符，是方括号内字符中的一个

[^abc]

^（取反），查找的字符不是方括号内的字符

给出范围

[a-c]

查找的字符，是a~c中的一个

[^a-c]

^（取反），查找的字符不是a~c的一个

[2-5]

查找的字符，是2~5中的一个

2-46-9

查找的字符，是2~4或6~9中的一个

a-w2-5A-W

查找的字符，是a~w或2~5或A~W范围内的一个

[\u4e00-\u9fa5]

匹配中文字符

方括号内，普通的正则表达式符号不会被解释，. * ? ()不需要倒斜杠转义

4||| 分支条件

| （管道），适用于匹配多个表达式中的一个

[]

支持一个字符的或

()

支持多个字符的或

5||| 捕获分组和非捕获分组

创建分组

用()圆括号进行分组

组号

对各分组，自动分配组号

组号分配的原则

从左到右，从外到内

通过组号，引用分组

\1：引用第1组

捕获分组

正则表达式中，用圆括号定义的分组，每个分组都会自动进行编号，并可以使用Match对象的group方法进行捕获，将匹配结果保存到内存中、这种分组，即捕获分组

非捕获分组

用圆括号进行分组是，在圆括号内的最前端加上“?:”，即不会编号，此即非捕获分组

6||| 零宽断言

用于查找指定内容之前或之后的内容，不包括指定内容

零宽度正预测先行断言

表达式为(?=exp)

查找exp表示的内容之前的内容

零宽度正回顾后发断言

表达式为(?<=exp)

查找exp表示的内容之后的内容

组合这两种情况，就可以查找指定内容之间的内容

7||| 负向零宽断言

用于断言指定位置的前面或后面不能匹配指定的表达式

零宽度负预测先行断言

表达式为(?!exp)

断言此位置的后面不能匹配表达式exp

零宽度负回顾后发断言

表达式为(?<!exp)

断言此位置的前面不能匹配表达式exp

负零宽断言在进行不定长表达式的匹配时，时常出错。建议搭配定长表达式

8||| 贪婪匹配与懒惰匹配

贪婪匹配

*、+，可以匹配尽可能多的字符

默认贪婪匹配

懒惰匹配

匹配尽可能少的字符

在贪婪匹配之后，添加一个“?”